[發(fā)明專利]一種從分詞凈文本到富格式文本的著色方法

在審

• 申請?zhí)枺?/td>: 202011469359.5
• 申請日: 2020-12-14
• 公開（公告）號: CN112560405A
• 公開（公告）日: 2021-03-26
• 發(fā)明（設(shè)計）人: 張勇;朱立松
• 申請（專利權(quán)）人: 央視國際網(wǎng)絡(luò)無錫有限公司
• 主分類號: G06F40/166
• 分類號: G06F40/166;G06F16/84;G06F16/958
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明涉及計算機(jī)信息處理領(lǐng)域，具體涉及一種從分凈文本到富格式文本的著色方法，旨在解決現(xiàn)有技術(shù)中轉(zhuǎn)換過程中容易丟失了原富格式文本中的格式信息形成的問題，其技術(shù)要點在于：包含以下步驟：S1：將分詞凈文本權(quán)重序列轉(zhuǎn)為字權(quán)重序列；S2：指定權(quán)重值對應(yīng)的顏色，并形成顏色序列；S3：使用Needleman_Wunsch計算字權(quán)重序列和顏色序列之間的最佳對齊結(jié)果；S4：令分詞凈文本權(quán)重序列為str1，令富文本序列為str2，利用S3中的方法確定str1中的第i個字符可以對齊到str2中的第j個字符，將str1中的第i個字符的前后插入顏色標(biāo)簽。可以在不丟失富文本格式信息的情況下利用凈分詞權(quán)重序列對富文本進(jìn)行著色。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機(jī)信息處理領(lǐng)域，具體涉及一種從分詞凈文本到富格式文本的著色方法。

背景技術(shù)

眾所周知，互聯(lián)網(wǎng)文本基本上都是富格式文本，但是AI模型在對這些文本進(jìn)行處理時，需要首先去掉所有的超文本標(biāo)簽，只對文本的實際內(nèi)容進(jìn)行處理。這就導(dǎo)致了富格式信息的丟失，在重新顯示出來時，也就顯示不出來原文中的各種格式信息了。

發(fā)明內(nèi)容

因此，本發(fā)明要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)中轉(zhuǎn)換過程中容易丟失了原富格式文本中的格式信息形成的缺陷，從而提供一種從分詞凈文本到富格式文本的著色方法。

本發(fā)明的上述技術(shù)目的是通過以下技術(shù)方案得以實現(xiàn)的：

一種從分詞凈文本到富格式文本的著色方法，包含以下步驟：

S1：將分詞凈文本權(quán)重序列轉(zhuǎn)為字權(quán)重序列；

S2：指定權(quán)重值對應(yīng)的顏色，并形成顏色序列；

S3：使用Needleman_Wunsch計算字權(quán)重序列和顏色序列之間的最佳對齊結(jié)果；

S4：令分詞凈文本權(quán)重序列為str1，令富文本序列為str2，利用S3中的方法確定str1中的第i個字符可以對齊到str2中的第j個字符，將str1中的第i個字符的前后插入顏色標(biāo)簽。

優(yōu)選的，所述分詞凈文本中的每一個字都有自己的權(quán)重值。

優(yōu)選的，所述權(quán)重值為可以為任意實數(shù)。

優(yōu)選的，所述S3包含以下步驟：

A1：計算兩個字符串的長度；

A2：建立一個len(str1)+1行l(wèi)en(str2)+1列的矩陣表格，全部初始化為0，然后在第1行和第1列每隔一位減3并填入數(shù)字；

A3：開始填入表格中的其余數(shù)字；

A4：根據(jù)表格F(i,j)來確定最佳對齊序列。

優(yōu)選的，所述A3中填入方法為：比較表格位置對應(yīng)的兩個字符串的字符；使用F(i,j)表示表格中第i行第j列的值。顯然F(0,0)＝0，且表格的第1行和第1列都已經(jīng)初始化；則有

其中x_i表示字符串str1中的第i個字符，x_j表示字符串str2中的第j個字符。s(x_i,x_j)判斷這兩個字符串是否相同，若相同值為8，若不同值為-5。d為加入空位進(jìn)行匹配的情況，d＝-3。

優(yōu)選的，所述A4中確定最佳對其序列的方法為：從表格的最右下端開始，考察相鄰的4個元素，分別是F(i,j),F(i-1,j-1),F(i-1,j),F(i,j-1)。在F(i-1,j-1),F(i-1,j),F(i,j-1)中尋找最大的一個；以下為三種情況：